如何通过列表推导来加速功能？

Question

有没有办法加快或改变函数来提高效率？

需要此函数来转换大约 200.000 个数组，每个数组又由 2700 个数组组成。目前这个过程需要永恒。

def normalization(descriptors, max_value, min_value):
    if len(descriptors) == 3:
        output = []
        for descriptor in descriptors:
            output.append([[ ((feature-min_value)/(max_value-min_value)) for feature in des ] for des in descriptor])
        return np.asarray(output)
    else:
        return np.asarray([[ ((feature-min_value)/(max_value-min_value)) for feature in des ] for des in descriptors])

Answer 1

如果descriptor是一个numpy数组，那么

(descriptor-min_val)/(max_val-min_val)

无论是 2D 还是 3D，都应该能胜任。

我认为这就是您的列表理解所做的一切 - 缩放数组的每个元素。

如何通过列表推导来加速功能？

How to speed up function with list comprehensions?

python

performance

numpy

transformation